继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
% r( g" f( |3 _9 N' A5 n/ Fimport numpy as np
import matplotlib.pyplot as plt
import random
$ j3 a1 w% c+ R8 Z0 g
5 N5 P) K- M. P% e( ~x = torch.tensor(np.arange(1,100,1))
; S! P$ n+ i/ V* L, xy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

2 o$ d" }/ r, P: C3 n0 {( }w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
0 c5 X0 D8 f# h3 mb = torch.tensor(0.,requires_grad=True)
) J. ^! X3 l; D! f
epochs = 100

losses = []
for i in range(epochs):
- h: R' ~% y3 D  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
5 f1 ?" R; k' U7 Z; S8 X- p4 J' Y  losses.append(loss)
: j) I7 H$ f+ n3 p  X+ `  
: ^9 k  `: h! j0 n  loss.backward() # autograd
  with torch.no_grad():
. N% B$ Q% g( n" I  K    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
; S! V1 R9 }8 Z- t5 C" J
4 _9 Q  Z0 ]+ XOutput： 27.26387596130371  0.4974517822265625
( u/ ^& f) D) W+ K5 L6 C----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
! i) J5 ?+ l7 S8 G, C9 L

老福

$ Y- u2 b5 `. `) @9 U% [3 q# B4 A
4 S& _4 G2 j3 ~/ h* v9 V( u2 J没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
& o) x1 g3 P0 z' I/ U-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
3 V; F5 K! v1 V7 A9 V& @; s5 y, w没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
  K; b; l# c' Z4 I5 w-------
+ e/ K6 U1 X" q/ x; B" Q4 j, o+ r5 m不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
# h& s- _* k# b$ L我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
+ }4 S; L, p8 Y谢谢，算法应该没问题，就是最简单的线性回归。
* {, s+ r& E4 m我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
0 y8 {: q( G0 B7 h$ V# P" \- q
或者把b但的起点改为1试试。

雷达

0 s, l& [$ o3 Z

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
0 x8 n! R8 \9 |, T7 c
! @- F  C! N( D$ ]% P: R( j或者把b但的起点改为1试试。 ...

' b& `8 ]! @! L, F+ w3 ^
你是对的。
& Q5 P; E" k& ^5 @) p去掉了随机部分
2 ?" K" c; V- C#y = (x*27+15+random.randint(-2,3)).reshape(-1)
6 H& y/ Q# F8 J4 X) |y = (x*27+15).reshape(-1)

, X+ O' {# y( }) p4 L7 W" K循环次数加成10倍，就看到 b 收敛了
6 ]! Z- P- \: s& Bw , b
, s' e2 s; B, o0 _3 b3 _3 z27.002620697021484 14.826167106628418
+ j  u% M9 Z$ B, @0 W2 m
和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。